第二步 Features 找出關鍵特徵

• 特徵精準分三等級
  1.原始數據:由目前的原始數據，嘗試找出關鍵特徵，有一點測試的意味，trial and error。
  2.專業知識:依照領域專家的知識，在知識的基礎下，嘗試時列出關鍵特徵。
  3.專家見解:依照目的，由專家提供特別的見解，客製化地列出關鍵特徵。

• 這麼多的特徵，那些特徵features 是重要? 根據不同的狀況，策略如下(wiki)

  • Filter method : 由經驗或來自專家的建議。
  • Wrapper method : 由學習模式(learning model)來驗證哪些特徵是對。
  • Embedded method : 由學習模式(learning model)及結果(performance)來驗證哪些特徵是對。

• Filter method :
  

• Wrapper method
  

• Embedded method
  

• 依據 Y 的特性

  • Supervised Learning: Every x comes with corresponding y in the training data.
  • Unsupervised Learning: Every x comes without corresponding y in the training data.
  • Semi-supervised Learning: Partial x comes with corresponding y in the training data.

• Supervised Learning : 例如由天氣的資料(X) 決定棒球賽是否舉行(Y)
  

• Unsupervised Learning : 例如由影像個體辨識
  

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。